Note
Este post no es el original, sino una migración de Wordpress a
Nikola. Si no se visualiza correctamente, podés ir al original (en
Wordpress) haciendo click aquí
Después de tantas luchas para saber si lo que estoy haciendo
en
Java
funcionaba como debería funcionar, me puse a estudiar el comando
`grep <http://es.wikipedia.org/wiki/Grep>`__.
"grep" es un comando que te permite buscar un patrón de
coincidencias en archivos de texto, mostrándote la línea entera en dónde
se encontró esta coincidencia. Es bastante configurable y también
permite expresiones
regulares para
indicar este patrón.
Este comando puede recibir el nombre del archivo sobre el cuál se debe
buscar el patrón o puede tomar la información desde la entrada estándar,
por ejemplo:
[manuel] [~]$ grep manzana diccionariocs.txt
amanzanamiento
amanzanar
manzana
manzanal
manzanar
[manuel] [~]$ cat diccionariocs.txt | grep manzana
amanzanamiento
amanzanar
manzana
manzanal
manzanar
[manuel] [~]$
El archivo diccionariocs.txt contiene muchas palabras (una por línea) y
es el que nos dieron en la cátedra de la materia para realizar el
trabajo de Java.
La idea era poder saber si el resultado que me arrojaba mi árbol de
búsqueda era lo que realmente me tenía que estar devolviendo o no, en
otras palabras, si funcionaba o se mandaba cualquiera. Asique me hice un
intérprete
interactivo
en Java para poder realizar varias búsquedas sobre el árbol una vez que
esté cargado en memoria (suena wow!, pero es una boludez lo que hice :P
).
El intérprete te informa cuales son las palabras que encontró y cuál fue
la cantidad de palabras que concordaron con la búsqueda. Pero con el
comando anterior me está mostrando todas las líneas en las que aparece
la cadena manzana, y sólo necesito las líneas (palabras) que
empiecen con manzana, como muestra mi intérprete:
[manuel] [~/proyectos/procesadorpalabras]$ java Main
Cargando diccionario...
Diccionario cargado correctamente.
Ingresando al modo interactivo...
>>> manzana
manzana
manzanal
manzanar
Total de coincidencias: 3
>>>
Asique pregunte, y me dijeron que grep soporta expresiones regulares
(hasta ese momento yo no lo sabía) y me bastó con poner el siguiente
comando:
[manuel] [~]$ grep ^manzana diccionariocs.txt
manzana
manzanal
manzanar
[manuel] [~]$
Notar el "^" que se antepone a la cadena manzana, de este modo logré
mostrar sólo las palabras que me interesaban. Pero también tuve un
problema, si hago la consulta "empieza con a", me tira tres millones de
resultado (¿tanto?), más o menos, y quién va a contar línea por línea
cuántos son en total: NADIE... Busqué y encontré que tiene una opción
para que te devuelva la cantidad de líneas que coinciden con el patrón:
[manuel] [~]$ grep ^a diccionariocs.txt -c
9996
[manuel] [~]$
Lo que demoró milésimas de segundo. Hice la misma búsqueda con mi
programa y todavía estoy esperando la respuesta, está bien, el mío
además está imprimiendo los resultados en pantalla, y eso demora... :(
>>> a
[...]
Total de coincidencias: 9954
>>>
Ups, parece que no está andando a la perfección mi programa, se comió
9996 - 9954 =
`42 <http://es.wikipedia.org/wiki/El_sentido_de_la_vida,_el_universo_y_todo_lo_dem%C3%A1s>`__palabras.
Tendré que revisar el código o ver que está pasando (recién me entero de
esto).
Update 11/11: estuve revisando el código y ví que no ingresaba las
palabras que sean subpalabras de otras, esto es, si primero lee desde el
archivopalabra y después lee pala, esta última no la ingresaba.
Pero si las leía en orden inverso no había ningún problema, por eso
parecía que funcionaba bien, porque la mayoría de las palabras están
ordenas alfabéticamente entonces esto era casi transparente. Igual
sigo con un problema ya que al buscar a encuentra 9965, le están
faltando 9996 - 9965 = 31 palabras todavía :( .
Update 12/11: como no podía ser de otra forma, como me pasa en
todoslos lenguajes que programo, tengo problemas de codificación.
Esto es, si hay palabras como buchón ybuchín, devuelve una de estas
dos, ya que ú e í las toma como el mismo caracter. Ya veremos...
Otras opciones que me parecen útiles y que he utilizado anteriormente
copiando el comando de páginas o blogs sin saber qué significaban son:
-
-i No hace caso de si las letras son mayúsculas o minúsculas, ni
en el patrón ni en los ficheros de entrada.
-
-n Además de la línea con la concordancia, antepone el número de
la misma.
-
-vInvierte el sentido de la concordancia, para mostrar las
líneas en donde no las hay.
-
-wSólo muestra aquellas líneas en dónde la palabra se encuentre
completa, esto es, donde la palabra se encuentre precedida y sucedida
de un caracter de espacio.
Referencias: manpage grep
La publicación de este documento se demoró debido a que me encapriché
con que quería ponerle un dibujo, buscando en
Google caí a ésta
página
en la que ví el
bicho y me
gustó :P . Cómo tenía ganas de no hacer nada, me puse a copiarlo desde
el monitor en un papel (soy pésimo dibujando ¿se nota?, en mi vida he
hecho dibujos, pero este me pintó y lo hice).
Después quise pintarlo y demás con el Gimp y
el Inkscape, pero no hubo caso, asique lo
dejé así nomás, como lo había dibujado en un papelito... Y bueno, los
ingenieros no estamos para estas cosas... ;)
"Another Checkers Game" (Otro juego de damas) es el juego en el
cuál me sumé hace un par de semanas. Si bien la idea de hacer este juego
salió allá por las 
